最近、アリババグループ傘下のアグルーは、自社開発の汎用的でインタラクティブな世界モデル「ABot-World-0」が新たな技術アップグレードを完了し、コンシューマー向けGPU1枚で連続24時間安定した推論を実現したと発表しました。画質、物理的一貫性およびインタラクション応答において明らかに劣化が見られず、これは世界で初めてインタラクティブな世界モデルの連続推論時間を「分単位」から「日単位」に引き上げた製品です。

アグルー地図

長期間にわたり、主流の世界モデルの単一の連続生成能力は一般的に30秒から1分程度であり、推論時間が長くなるにつれて、画面の崩壊、物体の変形、物理法則の不一致、インタラクション応答のズレなどの問題が発生することがよくあります。その根本的な原因は、自己回帰型ビデオ生成過程での誤差の累積と拡大です。

この業界の課題に対処するために、アグルーは新たな「LongForcing」という長期トレーニングパラダイムを提案しました。これにより、長時間の安定性とオープンな環境における動的モデリングが統合されたトレーニング目標となります。トレーニング段階では、モデルは自身が生成した結果を後続の入力として継続的に使用し、制約を設けることで生成内容が常に合理的かつ安定した世界分布の中に保たれるようにします。これにより、誤差の蓄積や分布の偏移が効果的に緩和され、超長時間の時系列推論中に画質、シーン構造および動的進化が安定を保つことができます。

現在、「ABot-World-0」は正式にオープンソースとなり、コンシューマー向けGPU1枚でローカルに配置可能です。関連機能は、アグルーが以前に公開した汎用的な世界モデル開発プラットフォーム「ABot-World Studio」にも統合されています。今回の突破は、世界モデルが長時間のインタラクション、シミュレーション、ロボットのトレーニングおよびデジタルツインなどのシナリオにおける応用可能性をさらに高め、インタラクティブな世界モデルが長期的な自律運用に向かうための新しい技術的道を提供しました。